InceptionGS：非结构化视图采样下大规模高斯泼溅的生成引导

实现真正身临其境的大规模场景数字化需要在所有可能的观看视角上实现一致且视觉上令人愉悦的渲染。然而，由于场景复杂性、捕获成本、疏忽或可访问性限制，收集覆盖大型场景的每个细节的多视图图像是令人望而却步的。因此，采样的视图往往是高度非结构化的——大部分场景都被很好地覆盖，但某些区域不可避免地缺乏足够的观察。现有的基于重建的方法容易受到视图稀缺的影响，而基于生成的方法则面临泛化、可控性和 3D 一致性问题。为了应对这一挑战，我们提出了 InceptionGS，它通过巧妙地平衡重建和生成来引导高斯分布。从最初的高斯泼溅开始，InceptionGS 通过温和地结合场景和视图自适应生成先验，合理地重新思考和修复由视图稀缺引起的问题区域，同时保留其他地方的质量。对现实世界大规模场景的大量实验证明了我们的方法在处理非结构化图像和增强高保真高斯泼溅方面的优越性和广泛适用性。请参阅补充视频以获得更好的视觉演示。